Magnusson, D.

(1975) Teoría de los

Test. México: Trillas

BIBLIOTECA,TECNICA D E P S ~ C O L O G ~ A
bajo la direccibn de
Rolando Diaz Loving
Profesor de tiempo complete, departamento
de pspolog!a social, divisibn de estudios de
posgrodo, Facultad de p:icologla, Universi.
dad Nasional Aut6noma de Mexico
Presidente de la asociacibn Mexicana de Psicn.
logfa Soci

Trnducci6n:

\
Reviriin:

.
-.
- .
. *

J
 La medicion en
psicologia

1-1 EL I'ROBLEMA DE LA MEDlCldN

En la vitln diaria, la palabra "medici6n" tiene un signifcado clnro y con-

ciso. Para medir cn situaciones practicas, generalrncnte disponenios d e ins-
tmmentos quc nos dan resultados fijos y precisos en forma d e puntajes,
tal es el cnso dc todos 10s instrumentos con 10s q r ~ emedimos longitud, peso,
cspacio, tiempo, etc., donde 10s rcsultados se dan en centimetros, gramos,
dccilitros o segundos. Medidas de esta clase, qrle se obtienen con instru-
mcntos fisicos, casi nunca presentan problcmas prhcticos cn el morncnto dc
rndir, ni al intcrprctar 10s resultador.
La situaci6n cs difcrente, sin embargo, cuando qrlcrernos m e d i ~variables
psicol6gicas. U n a variable psicol6gica se define aqui c2mo una propi*
o caracteristica q u e poseen- difenntes indiGduos en cantidades distintas.
Al medir variables como independcncia, neurotismo, capacidad de pensa-
miento 16gico o aptitudes de aprendizaje, nos encontramos con problemas
dc escalamiento muy complejos. El problema de mcdici6n en pslcologia cs
considerablemente m i s complicado que en 10s campos do,ide sc emplean
instrumentos fisicos comiines de medici6n. Antes de ndcntrarnos cri este pro-
blcma, debcmos examinnr m8s de cerca lo que significa mcdida
J.a definicibn dc mcdida mas cornfin es: "mcdir es asignar nimeros.a.
Ias cantidades d e las propiedades d e 10s-objetos dc scuerdo con'?eglas dadas
cuya Galidez puede probani-emplricarnente". Dicho en forrna m.is simple,
medir es d a r la magnitud de ciertar propiedad d e uno o d s o b j e t o s ~ c ~
ayurla dcl sktema numCric&
Los n h c r o s usados de esta manera pueden Ilcvar difcrcntcs cantidades
dc inforniaci6n. Es convcniefitc distinguir tres nivclcs dc mrdida 10s cunles
dificrcn en la cantidnd d c informaci6n llcvatla por 10s nlirnr~oc q r ~ crc-
prcsentnn las magnitodes d c Ins c~ralidadcs.Los ni~rncrospucdcn dnr dichns

~na?~itudcssul8rn :Inn csraln ordinal, llrln cscala dc intcr\.alo 0 una esca]a
dc propr.ci6n.
A. 3 Ercalr ordinal
A; nivcl dr 1;i w ~ ! nordi~lnl10s ninleros proporcionan sola~ftent~
el ordell
CICla &bur co.1 m p K t o a1 rasgo quc sr mide. Los nGmemr 2, 4, 7 y 9
adgnrdo. n lo. ~ h j ~ . t oAs , J?. C y D cnn respecto a cicrto ksgo indicar
wlamcnt? quc h ol~jctosticncn rl ordeli D, C, B, A. con rrlaci6n r In
Llimmsidn clrl rarrn. Cuando conuccmor 13s posicioncs de 10s objctos cn
una c ~ 1 . nrclin.11
a pdona indicar sus rclaciones entrc a[ por m d i o de lor
.-
> ( . i .
pmdc quc) , = (ipial a ) , o < (menor que).
T a que rl o n l w dc lor objctos cs la Jnica informaci6n tramitidr por
-. 10s nGmrm, lot nillncros 2, 4, 7 y 9 pordcn reaplazarse por 1, 2, 3 y 4
o por o t m n i l ~ l r n ac~mlcquicm quc q ~ n l d c nel m i m o ordcn, ninynn
informrciSn I.-. pirrdc a1 haccr esta clasc! tlc sustitt~cioncs.1.0s nilmcros ail,)
mpmwntan rl rlitmo ordcn dc los ohjctos.
Cumdo ~ n d i m o srariahlcs psicoldqicas, gcncrrlmente no ilegamn a 1111
nivel supcrior al dc la eszaln orclinirl sin qoc llagamor akunrs supopicioncs.
Cuando la rrrdici6ti se ha cfcctaado cn cl nivcl de una cwala ordinal, Ins
nilmerns no d a r ~m:is 911e el ortlcn dc 10s o'ujetos en 13 cxala. Podcrnns
deck quc A tiwc m i s de cicrta cnprcidrd qae 8, y quc C a m b indr-
, pendiente q11c C . En muchas situncioncs sc considera esto como una forma
inadecuada dc rncdicibn. La mcdicidn en cste nivel, sin cmbugo, da a~fi-
cicnte informacib cn muchar sitimci~acsdc importancir p&tica p r a la
pricologb. Esistr a m mctodologia cstat~istic~~ muy desarmlhda para tratar
datos ordinalcs.
En la figura 1-1 ( a j ilustramos In si~uacilnde mcdicibn a1 nivcl tlr
esoala ordinal. Stlponcmos qee 10s individ~~os ocapan ciertu paicioncs m
un continuo que rcprcscnta el rasp0 qoc dc:camos medir. L paici6n clr
cada individuo en el continuo crrrcsa la rnngnitud en ~ I I Cp x e d mago.
Este continuo esti representado en la fig.lrn 1-l(a) por una linea rccta
y la flecha indica la direcci6n dcl continuo. Todo lo quc ahora r sabc
acerca de ]as propiedades dcl continuo cs su dircccidn. Ertc conocimiento
m r p m n i ~ d e w r i b i rla posici6n dc un individuo solamente como m b grin-
do,queiigual a, o menor que, la posici6n de otro individuo.
En una e w a b dc intcrvalos, 10s nt'rrneros tambih dan infomucidn a c e m
det4tama3a.dc las dikwncis, elltre lor objctos con respecto a la mami-
1-1 EL PROBlEMA DE LA M E D I C ~ ~ N \ 5
tud del rasgo medido. L3s diferencias entre 10s nt'lmeros puedcn compa-
rnrsc c'ntrc si. Si 10s nilmcros 2, 4, 7 y 9 dall la mag~~itud de cicrto rasgo
rlc 10s objctos A, B, C y D cn una escala de intervalos, podcmos deck quc
In tlifcrcixin r i ~ Ac y B es igual a la difercnrin cntrc C y 1). Tarnbifn
poclcmos dccir quc la difercncia entre B y C es 1.5 vcccs la difcrcncia cn-
tre A y B o la difercncia entre C y D. Para poder mcdir al nivcl de una
rscnln tlc illtcrvalo cs r~ct:vsnriotcner unidadrs igualrs cn In csc:~la.
Estc caso se illtstm cn la figura 1-1(b). Ahorn no s61o conoccrnos la di-
rccci6n dcl continuo, sino tambih tcnemos uniclades iguales crl In rcgidn
tlcl continuo donde 10s individuos toman sus posicioncs y dondc queremos
hnccr la. rncdiciones. Por lo tanto, podemos determinar las difcrcncias en-
trc las posiciones dc 10s objetos y compararlas entre si.
Corno sc dijo antes, cuando se desean medir variahlcs psicol6gicas talcs
como memoria, agresividad o cnpacidad aritmCticn, cs gcrieralmcntc impo-
sible ir mis alli del nivcl de la escala ordinal sin haccr ctertas suposicioncs.
Sin cmbnrgo, cn muchos casos, estamos interesados cn la magnitud de las
difercncias entre 10s individuos en 10s continuos para tales variables. NOS
_
puedcn intcrcsar las diferencias e n m la _i n d__ i v...i d u o ~ ~,el_mismo
las cilalcs rccibcn cl. r i h l j i C de _.
~n
__ . . . intsrindigi(!.u&vo bien las ,diu
aifcrencia
fcrcncias entre las posicioner de un_so&,d$*o.,en diferentes continuos,
Ilrmndns difermcius intraindiuidual~.En talcs casos, cs nccesnrio m d l r
la magnitud dc 10s r a s p por medio dc cscalas clc intervalo. En una set-
ci6n posterior dc cstc cnpi:ulo vercrnos la mancrn de I~nccrlo.
El sisnificado de Ins cxpresiones "unidadcs igonlcs" r "irtervalos iyalcs"
no cs may clam. Aunque ao lo disctltiremos aqtli con mucho dctallc, ~ U C -
rcmos llomar In atcnci611 del lector a dicho prohlcmn. Un ejcn~plopliedc
nclnrar su importancia. Si 10s individuos A, R, C y D, saltadorrs de lon-
ginid, saltan 4.25, 4.50, 8.00 y 8.25 metros, rcspcctivamcntc, podrmos dccir
dc inmedinto qtle cn scnticlo puramentc rn6irico lit difrrencia C I I I I Y 10s s d -
tos dc A y B cs igual n la difercncia entre 10s snltos de C y D. Sir1 embargo,
(lificilmcntr podrinmos concluir qile lu difercncias cn la snltos son lar
misnms cn cualquier otro sentido quc no sea cl ~nbtrico.
cC
C. Escala d e praparcidn ! ' ' '
En cl nivcl dc la cscaln dc proporcibn nt'lmcros d a n - $ o n n a c j 6 ~ m
s68o del orden de rango de 1- objetos y'del tamaiio relativo dc J a s d i k -
=ncias, sino t a m b i h dc la telaci6n entre' lar proprciones. Si 1 1 nt'lmcros
~
2, 4, 7 y 9 reprewntan abura In mnpittld cle un cierto atribl~tode 105
ol,jctos .A, B, C y D aI ili~.eldc arln cscaln dr p1011orridn, snbrl~~os qur I(
 1 1.2 LA DlSTRIBUC16N NORMAL 17
tiene dot wscs i l ctributo dc A, C ticcc 3.5 veccs el de A, y D tiene 2.25
veces el a t r i h t o tlc L?, ctc.
1 --
por complcto de caprcidad para resolver cierto tipo de problernn m t t e m b
ticm por el solo hKho be b T a b e ~ Z T E o Z e S L 1 a Tninguno d e w e- m- ,
La medicidn ni nivcl dc 13 rscnla d r propo1ri6n estb basada en la supo- i tle un test que contienc este tipo de problemas.
sicihn qac sc cvnocc el punto ccro, y q ~ scc ticncn unidadn b d a a partir I
d e estc pirrito a todo lo largo dc la tscala. La medici6n a1 nivel de la IIasta aqui, hcmos prcccntado algunos aspcctos gc~ir~alcs drl problcm3
cseala de j ) r ~ ; m c h n r ssc ill~str:lrn la fi,qt~rn1-1 (c). Ahora cofimemos la cli-
r r c c i b drl iwlli~t~tn, t~n(~r11os i ~ ~ ~ ~ r t , iigtlnlcs,
l L ) s y podcmos rc!acionar la
posici6n dc c ; d r individtro cn cl c o ~ i t i n \ ~dircctamcnte
o a1 punto cern.
iI tlc In ~nctlicidr~y cicrto iilimero tlc problcmas rclaciorl.ldos C O I I In mcd~.
ri6n dc tnrinblcs psiccl6gicns, y lirnios sclialndo 1.1 hrchtl dc clttc rn rstc
campo nos encontramor con problcmas qile gcnrralslcnte no y e nos prc-
scntan cuando hacemos las mcdiciones corrientrs. Estos problcmas sc re-
I
ficrrn tnnto a la constrilccibn de 10s instrumcntos dc ti~cdida,como a In
I intr~prctncibndc 10s tlatos quc obtenemos con cllos. En capit~~los poste-
riorcs nos dcdicarcmos a cstos problcmas, ya quc cstc csti d e d m d o prin-
cipalmcntc a medir variables psico16gicas al nivcl dc la escaln de inter-
\ d o . Antcs de ocup'lrnos de esto, vamos a estudiar algunas propicdades de
la distritiuci6n normal.

1-2 LA DISTRIBUCI6N NORMAL

Si lanmmos al aire una moncda, exirten las mismas posibilidactcs de quc

/ I I I I ( I : , , , ,
0
IL')
Fig. 1.1. Maqnlcd JI. ~n cierto rnsso CII rtl.ltro individuor en una escala
(a), en una rrcda tlr mtcrvalo (b) y en ma cstnla dc proporcinn (c).
L a mayoria dc 10s il~strumentosfisicos dc 1nedici6n pmporciulun d a t a al
nivel dc la escala de proporcih. Cuando una cierta propicdad de un objeto
, st: mEde en estc nivd, podemos determinar la magnitud como vn valor ab-
mluto. En vista de lo que siguc, er converiiente rcialar que a p1.l .rolw
- distribuci6n csperada dcl nGmero de soles obtenido a1 lanzar dicz monedas
p t c d c r d e t a m i n u r cl puntaje individual sin conocer 10s puntaja de b
otrm'objetm en la misma escala.
- ~l'?roblemade wcdir rasgos psicol6gicos al nivel de la escrla de propor-
cionu ha interesldo dcsde hncc mucho ticmpo a b psic6logor, y aunqlrc
caiga sol o igaila. Esto succde cuando lar moncdas no csthn "cargadas".
I'or lo tarito, si arrojamos dirz moncdas a la vcz, la combinaci611mas pro-
bablc dc solcs y hguilas cs ci~icocada vcz. Es probnblc quc la combinaci611
, 1 ,
seis solcs y cuatro hguilas o viceversa se obtcnga con menos frecuencia y
C
alin mcnos frecucnte scrA la combinaci6n siete solcs y tres iguilas o vice-
versa. Pcro la combinaci6n mirs rara sed, por supucsto, cliez solcs y ningtttnn
ordinal
6guila o ninglin sol y dicz hguilas.
Ahora es posiblc calcular, con ayuda del conocido tcorema binomial de
Newton, PI nlimero esperado mas probable dc soles, por ejemplo, cuando
lanzamos dicz moncdas cierto nlimero del veccs. Para ejemplificar csto,
lancenlos las monedas al afre 1 0 2 4 veces. En la tabla 1-1 se muestra la
cstc nilmcro dc vcccs. C o n esc ni~mcrototal dc lanzanlientos er, probable
t p c en 252 sc prescntc la combinaci6n cinco soles y cinco Bgoilas niicn-
'a
Tabla 1-1. Dirtribucicin esperada basada en el teorcmn binomial, dcl ni~merod e

1; I , I
hubo intentos may tempranor (por ejcmpb, Thuntone, 1928) d e b decinc solcs en 1024 Innznmientos dc diez moncdas.
que el problemi~no ha sido resuclto para 10s prop6sitos prdcticos de la cons.
tcucci6n de tats. Antes d e pasar de lar medidas d e intervalo a ku medidan Nlimcro de Total
roles 1 2 1'3 1 4 1 5 1 6 1 7 , 8
d e ~ m p o r c l o n n ,drbe c o n m n e el punto cero en relaci6n a i
en.4a mxah de i n t e r n l a . No podemrn cnncluir que una perqa c a m
a pvnuja
QistBibuciSn
binomial
10 45
---
120 210 252 ,210 120 45
- -
10 1
j T
 1.2 LA DISTRl~UC161.I NORMAL 19

:ras que cn 120 volados sc obtcngan sictc soles y trcs figuilns y cn cl misnlo
nrimcro d c volados trcs solcs y sictc 6guilas. Es probablc quc solnrncntc en
un volado no aparezcan solcs, y la probabilidad es igualn~cntcpcqueila de
quc todas Ins monctlas scan soles.
L a d i s t r i b ~ c i ~ n ~ c ~ c ~ n t ~Esistc
m r _lanmisma
~ p . prohbilidad
~ ~ ~ ~
de obtener tres soles o sictc soles, y nucve solcs o un sol. Esto pucde verse
t a m b i h en la Iigura 1-2, dondc aparccc la distribuci6.1 binonlint. Esta
distribuci6n t a m b i h tienc forma d c campana. ILL comhinaci6n ~ n fre- h
cuentc d c soles y h p i l a s es cinco y cinco. Cuanto m h sc desvicn de esto
las combinaciones, es decir, cuanto mayor o mcnor sca cl nlimcro dc solcs,
tanto mcnos frecuentes scr8n.
Supongamos que tcncmos un test quc consta tlc dicz itcms !. que sc
acredita un punto por cada item resuclto corrcctamcntc. Supongamos tam-
b i h , quc echamw un volndo por cada uno d c 10s 1 0 2 3 individrlos, para
decidir si accrtaron o fallaron cn cada uno d e 10s itcms, y luego computa-
mos la calificaci6n d e catla individuo en cl test. Ln dist1ih1ci6n II& pro-
bable d e calificaciorles quc obtcndriamos scr5 la qilc se dn en la u b l a 1-1
y se ilustra en la figura 1-2. L a calificaci6n mirs frccucntc serin cinco, y
Ndmero de :ole5 micntras m6s se desvicn las calificaciones d e estc valor, rnenos probablcs
1.a dirtriburi6n b i r ~ o ~ ~rn
~ i :I:I~ lforrnn dc u n hiato&ramr. serfin. Lucgo es probable quc las calificacioncs 0 y 10 aparczcan solamente
una vcz.
Dcbc notarsc que 10s valorcs dados en la tnbln 1-1 indican cl nlimero
m6s probablc dc vcces quc obtendrcmos un dcter~ninadonlimero de solea
cuando se lanzan diez monedas. Si alguien ticne tiempo suficicntc para
cjecutar cl nrimero de volados mcncionado, notari que cl nlimero de soles
obtenido no corrcspondc esactamente a ia distribuci4n de la tabla 1-1.
La distribuci6n probable, la cual pucdc ser calci~ladacon cl teorcma bino-
mial, es so1,amentc una distribuci6n te6rica d e 10s valorcs csperados.
L a distribuci6n binomial se presenta en forma de histogran~aen la fi-
p r a 1-2. Cuando sc hac? m6s Iina In gradaci6n d c unn amplirl~ddada
de la distnbuci6r1, cs decir, al aumcntar el nGmcro dc moncdas dc cada
lanzamiento, asi como tambiCn cuando se aumcntn cl n l i ~ n w odc volados,
la forma dcl histograma se hace m6s suavr. Su forma se asemcjn m i s y
.+'.
m i s a la cilnla suave de la I i p r a 1-3. Esta.curva s i m h i c a dc I c ~ r n ~dc
a
carnpana cs la llamada curva normal o gaussiann, quc es de gran importan-
cia en la teoria d e 10s tests. Las caracteristicas dc la dist4fuci6n normal
cst.in completamente determinadas, y la frecuencin de cada puntnjc dado
pucdc o b t c m n c dircct,mcntc d c la ccunci6n dc In cl1n.n normal.
--------- . --4.-
Ndmzro de soles
Fig. 1-3. Ln c u r n normal o gaussiana.
 tlo:~dc x rs !;: dcsiiacidn cle 13 rllrdir dc la distribuci6n, Y Y la f r r r ~ ~ c ~ ~Ic i a I
-
d e la p:sirihi I, A' cs la f r c c w n r i ; ~~ a t a ldc la distribucidn, r '3 la d c n i a - 1
ci6n cs~il.dnr(\Caw pjgina 21). n 11i (3.1416), y c cs la buc dcl rirtrlna I
d c logaritnrl: ~ ~ n ~ w a l(2.718).
cs [A menudo Y, en YFI d e d a m rolno ;
L:l distribuci6n d e puntnjcs observados puctlc t c ~ ~ ~nuclras
cr fol-mas di-
lerrntes. Pnrn clrscribir comi~lctamcntelas caractcristicns Ic illin tlir,trih~l-
cih11 sc ncccsitn cicrto nilmcro dc mcdidas, si sc trntn tlc unn t l i s ~ ~ i h ~ c i d ~ l
normal dntla cs suficiente la mcdia aritmetica y una medidn clc la tnriacib11
flr.t.wri~i;~, st. tJ.1 como In orrlcnad:l dc la posici6n .r cn una distrib11ci611 ' o dispcrsi6:i dc los datos. La mcdia aritmCtica sc cnlculn f.'~cilmcntt, con In
dc .irca ~ u t n lI .(I. Zsto sigcrifica sirnplcmcnte que cada frc~ttcnciaobtcnitla ,
crl In c c l w i t i ~ ; 1-1) tierw q i ~ rcliviclirsc cntrc N.l
dorldc Y c s 1;i IC-[raSrirgn s i p l a , ilsacl;~I X I I ~R'~".('x*II~:II.
" s I I I I ~ ~ ~.\'
! 'US" .
i~icluidocn In distrihl~ciSn,y S cs (XI nl'~~ncro
cunlquicr I ~ r ~ n t nintli\~itl~~nl
jc
C."CUI~II -11 :.I t*c11aci6n clc la rllr::, normal. N6tcsc qlie llay alStl~t;ls tlc puntaics incluido cn cstn suma. En lo succsi\.o, In pnlnl~m"~nctlin" dc-
~:ccp~vil;t. i.ft:-.:..1 . i ~ r n Ircr.r~~~rlci;~s
t 11:l.c 10s valorrs esperados c a l c t ~ l : ~ t l o ~
signari la ~rlcclinnritniCticn.
0 1 t I . o m ( I I !. 10s computados con la distribuci&n Una mcdida comrin dc la variaci6n dc 10s p u ~ ~ t a j cobtc~iitios s c c In
nornul i . t l l i ; I-'.! . C u r n t o mayor w:: el ndmem d c c l w dc ptlntajrs t-n dcsuinGidn cstn'rtdar, la cu;~!se representah pol- s. Sc d c f ~ n ccomo In raiz
la di.trih:~ei,'v.. cs c!ccir, c t n n t o 111;is~ I I I , se-a la gradnci6n, tanto ~ C I I O Ssis- cundmda tlr la mctlia d r 10s cuadmdos d c las c1csvincionc.s ~.ccprtIn tlr In
nifirnt~v.~, W I . ~ I I tsst:is difcrcllcias.
mctlin dc In distribuci6n. 1.3 dcsviaci6n cst.indnr t l t ~ p c d c ,por lo [.Into, tlc
la dispersi6n dc 10s puntnics en la distribuci6n:

c ) 1.3 r u n ;I l:orrnal, r o n ~ oIn clistril)11ci6n binomial, cs una distribuci6rl

tc6rica. I.cn I : I I I ~ . ~ j t obsclxvlns
.s cxsi lillrica sc distribuycn cxactamcntc dc
cstc motlo. Cun:it!o cn lo sllcrsivo I~nl)lrmosd c una dintribPcib normal
d c 10s pu:~r.~jcschtcnidos, solnmclltc clllcwmos decir q u c la distribucibn
no rc drsvi.1 clc !a distribuci6n tchicn ~iorrnalm4s dc lo q u e pucde expli-
c a m por cl ctilllcro d c p u i ~ t n j c stlc la distribucibn. Ctlando conocemos cl Por lo tanto, un puntnjc cst.indar cs un puntajc csl)rcsatlo comu tlwiaci6n
nlimcro (11- ~ h w : r x i o n c s , podcmos colnptltar la dcs\iacibn d e la c u m a dc In mcclin q w ticnr por unidad a la dcsviaci611 csi51itlar.
tc6iica nonlxll ~ I I Ppucdc ~olcmrsc. Es claro que una distribacib dc puntajes z tcndri una mcdi:~de ccro
y una dcrriaci6n e s t h d n r i y a l a 1.0. Debemos scilalnr 11uc la litlntajcs
6) La tli~t1.l>l1c.i611 tc6ric:r nornlnl cs c o m p l c t a m c ~ ~ ~simetn'ca.
tc Esnc-
de cuslquicr clistribucii.n p w d c n trnnsionnane cn puntrjcs r ( t ~ r rtalnhiEn
t m c n l r cl :(I1. <!I. todos 10s puntnjcs sc- localizan awiba d e la media dc
11 d i s ~ r i b u c i ht t u c t m n c n t c cl Wr& obrjo. Cualquier puntajc que n t ( a capitlllo 161. Sin embargo, aqlli cstamos particola~mcntci~~t.crcsscIos en 10s
cicr:a dicta111;.I . In media d c In clistl.il)uci6n ticnc la misma frecuencin
I
puntnjcs z tlc una distrlt)uci6n normal.
U n a dc Ins propicdadcs dc la distribuci6n nard cs qu!: prol)or:io~lcs
qile rl ~ m l i * I ! . ' 1.4 a In misma tlist;ir~cind e la media Ibnel lado opuesto.
prccisar clc la distrib~~cibn normal sc cncuentran entrc Ins pclsi(itli~~s dadas
C) 1 .:I 11: I I ~ . ica~ ~ : norninl rs ns;r~ti~tica, ptles sc accrca in&finidamCn. ,
por puntajrr cstlnclar de varias magnitudct. En la figllrr 1-4 re d a la
tc a1 cjc si! 'It*:. . r :I tocarln.
distril,mci6ri cn porccntnjcs aproximados cn ni~mrrosc ~ l t ~ r o s(It*!
. n<~mrro
 d c plmlajcs cll;ru lor valorcs e s t ; i ~ ~ d a- r 1.0 1 1 0 Y entm -2.0 y 2.0,
L a t a h h 1-3 m x s t r a ;as propor( imvs dcl Grea atal d e Ia d i ~ t ~ i b u ~ i 6 ~
normal c111ca m elltrc h incdia da I;\ clistribucih y 10s puntajcs estindnr
respccti\.os. I'llnlc versc q u c a l r ~ o s i r ~ ~ ; ~ d n m cl c n t(i8:b
c d c lor puntaj4.r dc
una distlibuc,!i~i~ r.ormal cue d~mrrcldrl i r c a situada cntre - 1.0 y 1.0 c11
Puntaje estindar, 2
la (listribu-16.1 ~ l cpuntajcs e r ~ : i i d : y~ ~a p ~ ~ o x i m a d n ~ ~cl c n9t e5 5 cac rntn:
- 2.0 y ?.O.*
Para t .~.altltiGt.lpuntajc ~ ~ d l ~ dI :i~ lI lIlna distrib11ci6n nonnal, ~ n l t : o ~ o ~
c I : I & s I I clc la distribtlcibn quc ere arrib;l dl:
c . I I total q u r caen abajo clc 10s puntajes estindar r ~ s ~ ~ c c ~ i Si vow s . hrcc una
t i I !I I a t I a j (d.w-, gPfiCr Jc \as pmporcinncs q a c quedan arribr, cantrr S ~ I Srcspr~ti\~og I)III~-
c : ; . I . ' . I i li:I . 1.1 1i1b13 I-.I d. 1.1 distrihuci~nd c
tajcs cst.indorr oblicl;c u n r distribuci6n dc f r c r u c n c i ; ~acun~oladas
~ dcl
c~~cr:c in$ . ,111 I : ~ l l : l s .c s rlwir. 1.1. ~ t ~ ~ l i ~ o ~ . cdico lla~ cdistribucibn
s nonnal
tipo mostrado m la f i p ~ r a1-5. E n dicha a l r v a , para rscla pt~lltnjcestindar
sob^,^ cl r j c r, p o d c ~ ~ ~lccr t cI cl We y Is p r o l ~ o r c i b( Y !
o r i n ~ n c d i a t m ~ c nU
tlc la clistril,uci6n total quc qucda arriba dc did10 pulltajc Por cjcmplo,
si e n I:, figLlra 1-5 t o m m o s cl p n t a j c estdndar - 1.0 cn el (,jc .t y nos
trasladalnos a[ P U I I ~ Oclc In curva sittlnt\o prccis;ln~rn\cnrriba tic - 1.0, \.
lucgo punto corrcrpo~~dicntc en el cje yl enconumms la pro1)urci6n 0.8 1

Tabla 1.4. I)rs,:~l~~~cioner ; ~ c u t ~ ~ u l . ~ r i v~~roporciono

;~r: del irea de In d i ~ t r i b ~ c i 6 ~
cIe I.
I ~ K estc

posici6n
L puntaje c s t h d a r . Esto h e cstablccido mteriori~lcntccon l a ayuda
figurn 1-4. Inrcrsarnente, pademos h d l a cl pun;njc cst;indar de 13
quc divide una clistribuci6n normal en proyorciones lijas conoci-
total q u c q w c l : ~ ~,111.ljo
; d e 10s puntnjrr twintiar rcspcctivos. tlas. Esta ljltirna posibifidad es muy ljtil en la mcdici6n de variables psico-
Proporci6n i Pllntajc cstdndar I Proporcidn
I&jcas, -
romo scri cxplicado cn una sccci6n subsccucntc.

1-3 UNA SUPOSICION A

'I'al conlo sc an016 antc.riomcntc, cuando se ~ n i d c natributm hurnanos con

instrument- de medida objetivor que proporcionan 10s datos en ucalas
d e intervalos o d c propo4ones, Ios resultadot se distribuyen ajlroximada-
Incrate d e acuerdo con la distribuci6n nonnal. 7':llcs dist~ihucion~,j
sc obtic-
Den pala caractcristicas fisicas como la de la estatura; para \.ariables
fisisl$icas corn0 la tclnpcratura dc 10s scrcs humanns cn r c p o , y para
 24 LA h!tDIt*lON t N PSlCOLOGlA DIFERcNCIAL
I I

vwiables d l ejecuci6n colno h fucrm de la mano mcdida por mcdio {lr

un dinan16mctro.
La t n b l ~1-5 muestra la distribuciSn de estaturas de 62372 varones sttc-
cos reg.istrados en cl scrvicio militar oblisatorio de 1962. D e Cstos, 8 839
cayeron cq cl intcrvaio de claw 166-171 cm, 20 773 quedaron en el intcr-
valo dc claw 172-177 cln, ctc. 1.3s frc:ucncias dc las c l a m se mucstran cn
un histog,uria en la figura 1-6. Si la distribuci6n se hubiese'dado con las
II

f
a .-,",:!
frecuencias para cada ccntilr~etmclc In escala de ntaturar, habriarnor
l'!i*
I ( d l ,
obtcnido tin iiistograma m y paiwido a la curva simCtrica de formn dc
I, campam, In CKII tambifn sc mucctrn en la figura 1-6 y se ha dibujado
tcmando cl ptilltajc de frecuencia dc cada clase promedio. A h o a plrcdc
,I
:* obscmarrc quc csta curva sc pnrccc mucho a la cunta normal mostrada
I en la fin ~ r a1-3.

.. Tabla 1-5. Frcc~rencinsde Ins cstnt~lrasdc 62 372 varones tic 18 nfios.

I

Estatura, en cm
Fig. 1-6. Distribuci6n de estaturas dc 6? 372 j6vencs dc 18 ailor de ednd.

2,
;I
f En v i r o ilc 1.1b.6I ~ t d ~ osc
s , h : ~p r t ~ l ~ ~ unav ~ thip6tesis
o f1111da1n~11tal
para
' .' la prhcticn (1,. la . ~ ~ ~ r ~ l cdcc iIWB. t r ~;I saber, que si pudiCralnos mcdir
42:lar dif~rrncir.wltn lo. ir~liiiclr~m c t ~I I I I ~escala de intcn~alos,ohtendria-
8. .. J mos u r n c1:<1:1! .I, I.:II. 11orma1dc lot II,IIII;I~I.S individualcs.
, , Fig. 1-7. Continuo 1:itcntc u) con direcci6n conocidn, ( h ) con direccidii conorid3
Hagaruos k ~ ~1. ~~igura
t b 1-7(n) rc.i)rt-.;cwtc un contintla dc ejccucibn dc y u n n distriln~ci6nnc.rrnnl hipotCricn.
una variable : *'(.t.l.k:!caqilc no ~ I I I ~ Cmetlirsc
' con instrulnmtos firicos, yor
tjemplo, !A ra,xtc d 3 r l dc rcsolver j)rol)lcr~lasmatcmiticos. Suponiendo quc distintas posiciona. En la ligura I - 7 ( b ) sc ha i ~ l t r d ~ c i dlao Bdi\tr~t>r~cibn
dicha c a p n c i h l wa una funci611~ l l o r ~ o ~ h (quc
i c a crcce o decree conti- hipotftira normal en cl lnismo continuc
nuamente) i!r I:\ ! r k i 6 n en el ccntilluo, snbcmos su direccibn. Una per- N6teSc que ah0t-a tencmos una distribucihn hipotftica ~010ciidasobre un
mna.que ha resi~clrovn nGmero mayor de items se supone que tiene una continuo dc cuyas propiedades escalares conoccnlos solamentc la direc-
p i c i k mais aita en el continuo, que u.1 individuo que h a resuelto un ci6ra. La forma de la distribuci6n estA basada rjnicamente en un supuestd!
niimero mena d e items. Por lo tanto, es posible medir dicha capacidad d de la fionnalidad. El problema prfictico al;sm consistc en co~istruirun
niwl ordinai Otra propiedad importante de la escala, la de h s unidades instillmento de meditla con las propicdades qrtc pi~edcnrleri\,arsc dc cste
igunla, a necmria ?am determinar la maqitud d e lar difercncias entre Sllpll~StO.

Ya Ilcrnos sc.ilalado quo r~ccc.sitarr~oc
saber d6nclc sc cncuentra el I I I I I I ~ ~
tero sobrc cl continuo y terlcr unidndcs ig~alcsa partir dc u t c purlto a
todo lo largo dci continuo para ~ d c hater r mcdidas comparable¶; sca
p r ejerrlplo, la medicibrr de la cstntura n la ejecucibn de un raltador cx-
presada I W cl largo dcl d t o corllo un nlimcro ;Jwluto. Ah-
quc n u u t n suposici6n de una distribucibn normal sobn el,pntinuo psi-
c016gko no ayrrda a resolver el pmblema del punto c e m No, hemos nccr-
vanus
cado, sin m b a r p , a la soluci6n dcl problema de las unidader igualcs. Si
la suposicijn h c h a es corrccta, dis!;uicias iguales en cl continuo sobre cl
ccal sc ha colocado la distribuciln normal son tambiin unidades i g u a l s
Si constmilnos urr inrtrumento que proporcione una distribuci6n normal
de l a puntaju obtenidou, podemos expresar las poicionu d e lo, indivi-
duos sobre rste continuo psicol6gico en una escala d e intervalo.
1 4 CONSTRUCCl6N DE U N A ESCALA DE INTERVAL0
El nivel de exactitud que se requiere para medir variables en psicologia
difercncial varia de una situacih a otra. Aigunas veces es suficiente ordenar
por rango a 10s individuos y en otro, casos deseamos comparar difutncias
ya ~a interindividual o intraindividua!mcnte. En talcs caws, necuitamos
medir robre unv escala de intervalo. Pllcsto que cstas dltimas rituacioncs
son c o m u e s y cl paso de mcdidas sobrc m a cscala ordinal a una ucala
de inter~alono p u d c haccnc di~~ctamcntc, trataremcn con mlativo deta-
lle 10s pn'ncipios dc que nos valrn~osell la construcci6n de estas Gltimas
escalas.
Examincnlos cbrno debcmos proccdcr cumdo construimos un test para
'
'
medir, e s una crsala de intcrvrlo, la capacidad p a n resolver problemas
$
: matemiticos d r cicrto tipo. Para sirnplificar la presentacidn del principio
de la constr\~ccib~~ uc la cscala, S I I ~ I I ~ ~ I I Iquc
O S todos 10s items del test
'1 miden exxtarncntc cl rnisrno rasgo, rs dccir, la capacidad para resolver
, problemas matcnliticos de cierta claw, y que la medida de l a opacidacl
+ que tiene cnda individuo puede 1:accrsc sin ningin crror. Debemos, sin
i
, embargo, c o n s ~ d c r ~quc'
r en la pnict~canunca tendremos un test como 6tc.
En erte caso so!on:tritc cstamos prrsc~~tando un modelo tcGrico p a n cons-
truir cna csc:tla dr intcntalo.
I 1.4 CONSTRUCCl6N DE UNA ESCALA DE INTERVAL0 27
cultad del problema se obtiene de la proporcibn del numcro total de indit
viduos de la muestra que pudieron resolver el problerna. Esta proporcibn
se representa p r p. La pmporcibn que resta del n6mero total ( 1 P) se
cornpone de 10s individuos que fallaron y se representa p r q, For l o tan*
-
-
to, p + q = 1. Supongamos que el item presentado fue resuelto por el 84%
de 10s individuos de la muestra, por lo cual P 0.84 y q = 0.16 en dicho
item. 1.3 distrib~ci6ntle frccuencias dc 10s jmntnjcs obtcnidos r n cse item
que corlrcrldri s6lo Ins categorias 0 (cqui\~ocntlo) y 1 (correcto), sr
ascrncjnri a1 iterlr i d r la figura 1-8.
0 I 0 I
I Punlaje Punlaje
I Fig. 1-8. Distribucibn proporcional dc lor Fig. 1-9. 1.a rclnci6n c n l r c lo, indivi.
I puntajcr obtcnidos en dor ilernr, i y k. duos ( j y I ) y 10s itcrns ( i y k ) en
cl rni~nlocontir~uo.
La distribuci6n de frccucncias en la figura 1-8 sc obtuvo obviarnente
dividiendo a 10s individuos en dos grupos comc? cn la aistribuc%n hipotkti-
ca de la figura 1-7. Aquellm individum que contestaron correctamente.el.
item se encuentran en posicioner m b avanzadas en el continuo de dificul-
I
1 tad que aquellos que dieron rcspuestas incorrectas. Ahora necesitanios ha-
llar la posici6n cn la distribuci6n hipotktica dondc se ha hccho In divisibn.
I
Puesto quc conoccmos la proporci6n del nlirnero total en la d1stribuci6n
!
I que cac arriba de esta posicih, esto es, la proporci6n de individuos quc
contcstaron corrcctarnente el item, podemos ahorn, con la ayudn dc la
1
curva de distribucibn acumulativa de la figura 1-5, hallar el ni\.el de di-
ficultad del item en fomra de puntaje estandar sobre la distribucibn hipo-
tktica. Partiendo del valor p 0.84 bobre la ordenada y encontramcn que
-
c o m p o n d e a1 puntaje esdndar 1.0 en una distribucih normal. Ahora
podemos deck que 10s individuos que resolvieron el item i estidpor arriba
de este puntaje estiindar en la distribucih hipotttica do puntajes para re-
solver estc t i p de itenis, mientras que aqucllos individuos qucL fallaron
cstin por debajo d e dicho puntaje.
La posici6n de cada individuo se ha fijado nhora en rclaci6n .i la posi-
cibn del item i; pero la posicibn dcl item a sit vc7 se ha dctcrminndo por
10s puntnjrs de 10s incli\duos. Es un hccho imp01 tnntc quc Ins ~)osiciot~cs

tlc 10s items y dc l a indiyiduos sola-
+
nl~wtrpueden dctcrrninane en mcipro-
cirlad. El continuo robre el que hema
deterrninado la Mci6n dd item i, K
ha descrito como un continw d e difi-
c ~ l t i d :la posicibr~dcl i t d n ur mlaci6n
a la distribucibn hipotCtio d e puntaja
idividuales d e la upcidrd d e eje-
cuiibn, nos d a cl nivel & dificultad
del itcm; Por lo tilnto. m b i h u un
continuo de capacidad, c m d o fijamos
la, posiciones de 10s individuos; la po-
sici6n dcl individuo robre el continuo
rcp: csen ta su cap;scid;ulSr la rrlaci6n
c n t x In capacidad del individuo y cl
grad0 de dificultad dcl itcm lo que
dctcrrnina si el individuo puede o no
rcsolvcrlo (v6ax C m h , 1952, 1956,
136F, rloicn ofrcci6 un modclo para
tlifvrc*ntc~t i p a dc datos). Si la po-
siritin del individuo en el continuo cc
n i s nlta quc la pou'ci6n del itcm, 61
p I 1 5 resolverlo, pwo no podd si la
rcl;lci6n es inversa. En el cam de 10s
itrrns i y k dc la f i y r a 1-9, el indivi-
tluo j rcsolver5 el item i, pero fallart
cn rl k, mientras quc el individuo I
n-sol\w;i 10s tlos itcms.
?\l~oracscojamos otro item con otro
n i \ d tlc dificilltad, p r o del mbmo
t i p ; p r cjcmplo, el Item k, cuya dis-
tribl~cicin dc frecuencias se d a en la
figura 1-8. Puesto que el 50% resolvi6
corrrct.mcn1e cl item, tcnemor quc
fi = q = 0.50. Este Item divide la dis-
I trihricin hipotttica en otro punto quc
0 1 2 3 4 5 6 ci6n comparativamente exacta dentro de la zona cn cuesti6n. g n este caso,
pucdc d a m como puntaje estAndar,
Pun~ajc
Fig. 1-10. Diferenciaci6n tlcntro de Ia mit-
ma dittribuci6n hiprCtica ( h ) con seis En la AmCrica latina se u u n IM pa-
hbrar "rcactivo", "estlmulo" e "item" con
items de van'or gndoj dc dfficultad y la
dirtribucibn de lot puntajx bbtrnidos en cl rl nlisnio scntido, er decir, el de unidader
rlirrrr~nstlc Iar qtse ee conforman Iar prue-
test total ( I ) . 1mr 0 ~ c . c ~pticol6giwr.
t [N.del R.]
1-5 CONSTRUCCI6N DE UN TEST 29
del mismo mod0 q w cl item i. Esta posici6n obviamcntc cor~cspondcal
puntajc c s t h d a r cero, ya quc el item k divide In ctistribuci6n en dm partcs
i,pa!es v, por lo tanto, cac en la media de la d i ~ i b u c i 6 n .
Escojamos ahora seis items de la misma mancra con valores /J,tales quc
las distancias en cl continuo entre 10s puntajes esdndar de 10s diferentcs
items, Sean siempre Ins mismas. En este caw, se obticrle la distribuci6n dcl
test t, figura 1-10, a partir de la distribuci6n hipotetica 11, si computamos
cl nlimero de items resueltos correctamente por cada individuo c incluimos
su puntaje obtenido en la distribuci6n total La escala en la que hemos
cxpresado 10s resilltildos individuales pilede considerxsc corno una escala
tlc intervalo con la misma distancia entre ! y 2 que cntre 2 y 3, y asi
succsivamente.
Con I l u suposiciones hechas, hernos resuclto te6ricamente el problema
de la constmcci6n de un instrumento que proporcione lor resultados de
modir variables psicol6&1s sobre una escala dc intervalo. Ciertos proble-
mas prhcticos que han sido ignorados a fin de examinar 10s problemas de
cjcalan~iento,scrAn tratados cn seccioneq posteriorcs.
En el ejemplo anterior 10s dm pasos importantes en la medici6n d e va:
riables picol6gicas en una wcala d e intelvalo son: d) In suposici6n da u n a a
distribuci6n normal de 10s individuos de la poblaci6q y b) el uw 8de.la.vat
riaci6n entre 10s individuos como una unidad de medida.
1 CONSTRUCCI6N DE UN TEST SIN SUPONER JNA DlSTRlBUCldN
NORMAL
Para muchos prop6sitos pdcticos, es innecaario y algunas veces iaqwvc-~
nientc, constmir un test para medir variables en uca escala de intervalo.
Por cjcmplo, supongamos quc sc ha mostrado quc rlnn persona tlcbc alcan-
zar una pcsici6n cn puntaje est6ndar superior a 1.0 sobrc un civrto conti-
nuo para podcr cjecutar tarcas dc dctcminado tipo, pcro quc no tiene
importancia para estimar el Cxito, cuhn superior pueda ser estn posici6n.
Claramente sc ve que dcbcmos cscogcr solamcntc items quc divittnn la dis-
t1ibuci6n hipotftica rn las proporcioncs 0.84 y 0.16. C m un nhncro rcln-
tivamentc pcq~~cfio de itcms de esta clase, podcn~osl~accruna cliferencia-
no nos interesa diferenciar otros puntos de la distribuci6; hipotCtica, ya
que solamente intentamos obtener una distribuci6n de !os puntajes en do3
categexias, donde una contenga el 84% de la muestra y la otra.el 16%
restante. E n o t m situaciones, p u d e interesarnos diferenciar m6s d e un pu*
to, sin pretender medir en una acala d e intervalo. 'En este caso, la .cons-
 tm~j6n del t?t re planea de acuerdo con 10s requerinliento, erpeciales de
b&f-ciuidn Es ~t;vioquc no nccesitamos supoccr una distribuci6n
normal en lcs caws dondc no intentamos medir sobrc una escala d e in-
terval~.
tcb-. IOS DATOS DEL CONTINUO LATENTE
Uztagdirtinciia irnpwuntc quc sc him ar1tc::iorrnentc y que debc recordane
uhut, mtre los datos obtenidos cmpiricamente y cl continuo laten-
b u h i p o t k ~cn ti que supvnemos que los individuos sc distribuyen do
h . m w En /:I f i g ~ r a1-8 tcrlc~nosm a distribucihn dc lm puntajcs
obtenidos, es clrtir, urn distrihuci6n dc 10s datos que mucstra cudntos su-
ietos m o h i e ~ t ~r ni w ? item y cufintos frncasaron. El continuo Irtcnte, quc
hcmos tornado I - U I ~ Orcprcsentativo del r a s p y que supcncma a medido
por el item i, r ; I u ~ r aen la figura I-;. 'l'ambi6r hemos supunto que 10s
individuos wmctidtn a l test re distribuycn cn forma nonnnl con respccto n
m e raga. AdcmL, supusimos una rclacibn monot6nica entre los puntajes
del test y IU p r i c i o ~ ~ esobre
s el contin110 latcnte.
,En.;.&mayoria d e las mediciones. nor mteresa el r a s p nrby.ceote que
detcrmina*he j m c k i n en cierto t i p de itelas. Suponema u n tpntinuodl.-
tga@,7y,pdcmtn h a a r diftnntes suposiciones acerca de c6mo rs duaibu-
ysn::los.individuo~er. bte, y respecto a la rrlacidn entre la (mici6n mbre
o c h a m t i n u a y Ie distribucidn dc 10s d a t a obsclrvador La suporicib hecha
anteriormentc acerca dc la forma dr. la distribuci6n cs razonablc cuando
Jar mcdidas r wficrcll a variables tlc cjcci1ci611, asi como la ruposicidn dc
que hay una relaci6n monotdnica cntre 10s puntnjcs cn cl tcst y la posicidn
en el continuo Iztentc. Cstas dos suposiciorlcs no son particuhnnente satis-
factorias en otros cacos como, por ejemjdo, cuando se miden actitudu En
esk caw, debcnxn csprar distribuciones de varias formas sob= cl continuo
btants e n d . quc atrrcos intuesados, dependiendo de la actitud de aue se
artq N o manpre p i a n o r pmumir una rclaci6n monot6nico e n m 10s
puntaju.y.Ia.posici6n sobre el continuo latente. Supongarnos que una res-
puesta afirmativn a una pregunta de un cucstionario exige una actitud
, indiferente hacia la religi6n. Entonces, 10s individuos que son indifemnta
se h d l a d n en la zona de indiferencia del continuo latente y su mspuuta
sex4 '%i" y aquellos que tengan una actitud fuer:emente neptivsa o positin
se hallarln en dife~cntesiados dc la z0.m de indifcrencia, pero no sbstante
d a d n la rriisnla t c s p w r t a negaliva y se incluirin en la misma t x t - p r f a de
.los dator obtenidos.
A1 describir la construcci6n de un instrumento para niedir variab1t.s psico-
lbgicas sobre una escala de interv;~lo, hemos supuesto que cada itrm difc-
rencia a 10s individuos sobre un continuo de dificultad, es decir que: o) - G ~ \ w -
5~ ~ \ b \ c r !
10s items miden exactamente el misrno rasgo, pero ticnen diferentrs grados
de dificultad, y b) es corrccto el modelo preqntndo nntcriormerite, cl cunl
mostr6 que la soluci6n de un item e s d complet'uncr.te detcminadn por In
relaci6n entre la posici6n del individuo y la del itcm sobre el t ontinuo
latentc.
Seiialsmos antes que ninguna de estas si~psicioncspucde satisfacerse
cornpletamente cuando se miden variables psicol6gicas. La primera de
dm suposiciones expresadas.amba se r e f i m a la dimensionalidad debtestb
Es una cuesti6n de suma importancia sabn si 10s datos que obtencmos can.
un instrumento dado arpresan !as posiciones de 10s individuos en uno~o!m
varios continua. Este problema se tratarA con mayor detalle mis adclante.
Como se dijo antes, en la segunda supsici6nJ que cada item pueda di-
ferenciar sin error en la distribuci6n sobre el continuo latente, nunca se
satisface exactamente cuando realizamos medidas en la pr6ctica. h med6
das estadn llenas do errores,:y en l a mayoria-d~losc a s a es de importancia
dccisiva para el empleo dellos datas,lque seama capaces de e s t i r n a r d
tamaiio del errur. Esto~tambiin~ se uatararen capitulos~posterions>
Es conveniente introducir aqui un concept0 a1 cual volveremos, que es
el de la homogeneidad. Se han propuesto diferentes definicicnes dcl con-
cepto (vCase Guttrnan, 1950; Loevinger, 1947, 1948). Considerarcmos la: h-
mogencidad como una variablwque i n d i m el' grado en que son satisf&ar.
las dos condiciones dixutidas acerca de la unidimensionalidad y la h d a
pendencia d e errores de medida. Podernos, entonces, construir una escala
lwmog6nea en la c u d una completa homogeneidad denota el caso estremo,
el de la completa satisfaccih de las condiciones dadas. Es obvio que una
completa homogeneidad es un caso puramente tebrico, pues ninguna dc las
condiciones pueden sattfacerse cuando medimos variables ,7sicol6gic.x. En
situaciones prhcticas, por lo tanto, tenemos varios grados de homofencidad
en 10s instrumentos de mcdicla que ordinariamente construimos y utilirnmos. .
P
1-8 WESUMEN
Ahora podemos resumir alpnos rasgos caracten'sticos de 1a medicih de
variables psicol6gicas.

1. La posici6n dc un individuo sobrr un continuo no cs dada corno un
puntajc a!~soluto sin0 corno u n puntaje relativo. Si re tienc solarncnte
un individrro, su posici6n sobre un continuo psicoldgi& no puede
rncdim pucs s610 podcmas comparnr a 10s individuos e n t n sf.
2. i o s in*trtl~wntospara mcdir variables psicol6;ica3 sobre una escala de
i n t e n d o sc zonstruyen crnpczando pol* suponer rlna distribuci6n normal
de 10s pcntajrs. En csta cscala dc intcrvalo L.:\rnos la variaci6n entre
cada individt~ororno unidad dc nicdida. La sign;:icaci6n y ucactitutl tlc
In escnla obtcnida dependc, por nlptlcsto, dc lo correct0 de ia suposici6n.
I ) c h rw~rclnrscquc la suposici6n dc una distriLuci6n n o m ~ a lde 10s
p u r t a j a err concit~uospsicolb~icosm uu para construir tau que proporcio-
'. ncn l
a puntajtar wbrc una cscala dc intcrvalo. Uno no puedc corno ha su-
d i d o en 4 p3ciclo urar la distribucibn normal de puntaja 'del test coma
pnreba de yur 1.15 variables psicol6gicas dan puntajcr distrihuidor normal-
mente, er dmir, cpe la suposici6n cs corrccta.
1.a rupniei6ir cle la distribucidn normal ha sido objeto d e pruebas empi-
ricas por 7 ihurr:wc (1925, :943), cntrc o m s . Thuntone mostd que si la
suposicih t s corrt-ca, cl puntajc cst.ir.dnr d e items aidador en la distri-
bucidn de p u n t a p J e niiios dc una cdad dada, bajo cicrtar condiciones, csth
reladonado ltr~ralrt~cnte a 10s ~)untajcsvsthdar dc 1- mismar itenis, cn
la distribuci61 Je puntajcs dc niilos c.11 grupos dc n ~ h sd a d . Los d l c d o s
que rc;lizS Thurston: sobrc la basc dc 10s datos empfricor obtcnidos dc
citrto n5m.w t i t tests, dicron rcsultadm que apoyan la suposicibn. El pro-
blema ha sido disutido y aclando rccicnternentc por Berglund (1965) w -
brc la b a r a c dncbbrir.iientos cmpiricos.
En este capit1110 hemos disrutido principalrnente lo? problemas tCcnicos
de u:alamicnto quc encontramos nl rncdir variables pdcol6gic;u. Un pro-
blerna igudtaentc imprtante, el dc la confiabilidad y rignificaci6n de 13s
medidas, ha sido tocado superficialrncntc. En la vida diaria, pocar veccs nos
encontrarnns con problemas dc csta clasc, porquc la mayoda de 10s conti-
nbos con que tratamos pucden rncdirsc por medio de inswmentos cuya
exactitud y co~~liahil;dadson cntcramcnte suficientes y no hay p r qnC
dudar de clln. En seccioncs postcriorcs, mostraremos la importancia dc la
confiabilidxi cn Ia co-~~trucci6ndc In< rnftodm psicol&$cr de medicihn.
Brr.or.u~o, C. (1965). Mental growth: a ~ t l r d y01 changer i n trrt obrliay brttcrrn the
ngrr of nine and rixtrrn years. Uppsala: r\lmqvirt & WikuII.
C o o ~ n s ,C. H. (1952). A th-ory of psychological scaling. Eng. Res. Bull., d m . 34.
Ann Arbor: University of Michigan Press.
- (1956). The wale grid: some intercorrelations of data models. Ps)chornetri-
ka, n5m. 21, p a p . 313-329.
- (1964). A theory of data. Nueva York: Wiley.
GUILPORP, J. P. (1954). Psychometric methods (2' ed.). Nueva York: hlcGraw-
Hill.
CUTTB~AN, L. (1950). En S. A. STOUFPER(Ed.). Mrosurrrnent and prediction. Prin-
ceton, N. J.: Princeton University Press.
LoF.v!NoP.R, J. (1947). A sy~tematicapproach to the constritction and evaluation of
tests of ability. Plychol. Monogr., 61, nirm. 4 .
- (1948). The technic of homogeneous teats composed with some aspects of
"acale analysis" and factor analysis. Psychol. Bull., nbrn. 4 3 , pigs. 507-530.
T u u ~ s t o ~L.r , L. (1925). A method of scaling p s y ~ h o l o ~ ~.-nil
c a l educational.test~.
1. Educ. Psycho[, n6m. 16, pigs. 433-451.
- (1928). T h e absolute zero in intelligence mearuremen!. Psychol R e v . , nirrn.
35, pigs. 175-197.
- (1943). Primary rnrntnl abilitier. Chicago: University of Chicago I'resr.
Lecturas sugertdas
BJORKMAN, M. (1962). Mcasl~rementbased on variability. Studium Cerrrralc, 15
Jahrg., Heft 2.
CULLIKSEN, I. H. y S. ~ ~ E S S I C (Edr.)
K (1960). Prychological rcnling. Nueva York:
Wiley.
HEMPEL,C. C. (1952). Fundamentals of concept formation in empirical science. En
N E U ~ A TetH PI. (Eds.) Inter. Encycl. of Unified Science, nirm. 2, pig. 7.
L ~ A R S P E LP.D ,F. (1959). Lntent atructure analysis. En I. S. KOCH (Ed.) Psych-
ology: A rtudy of rcicncr, vol, 111. Nueva York: McGrnw-Hill.
L o a v r ~ o r n ,L. (1965). Person and population as psychometric concepts. Psychol.
Rev., nGm. 72, paga. 143-155.
LORD,F. M. (1952). A theory of teat acores. Psychornrtr. Afonogr., nGm. 7 .
STEVENI,S. S. (1946). On the theory of scaler of rncasurrmrnt. Scicnce, nGm. 103,
piginas 670-680.
(1951). Mathematics, measurement and psychophysics. En S. S. STEVENS
(Ed.) Handbook of rxpcrimrntal psycl~ology. N ~ e v aYork: Wiley.
- (1959). Measuremem, psychophysics and utility. En u". W. C'HURCJIMAN y
P. R ~ r o o s n(Eds.) Mrosurrrnrnt: Drfinitionr and T h e m i t s . Nueva Y o r k : Wiley.
SUPPES,P,, y 1. L. ZINNES(1963). Basic measurement theory. En R. D LUCE,R.
W. BUSH,y E. C A L A N T E(Eds.). R , 1.
Handbook o / M a f h t r n a t ~ c n Pl s y c h o l ~ g ~vol.
C
Nueva York: Wiley.
TOPJERSSON, W. S. (1958). T h e o r y and mrthods of srnling. Nueva York: h'iley.
Z